Un journaliste de XDA a récemment passé un mois à exécuter des LLM locaux uniquement sur son téléphone et s’est convaincu que son équipement IA de bureau était excessif pour la plupart de ce qu’il lui demandait. Le changement ne fonctionne que parce que les applications ont finalement rattrapé leur retard. Les processeurs Snapdragon et Tensor modernes peuvent accueillir des modèles quantifiés de 3B à 8B sans ralentir le téléphone, et un petit groupe d’applications fournit désormais des paramètres par défaut sensés. Ce sont les meilleures applications pour exécuter des LLM locaux sur Android en 2026.
Ce qu’il faut chercher dans une application LLM local
L’IA sur appareil fonctionne sur Android lorsque l’application respecte les contraintes d’un téléphone. Les choix ci-dessous partagent tous ces traits :
- Prise en charge des modèles GGUF ou MLC de Hugging Face, afin que vous ne soyez pas limité au catalogue d’un seul fournisseur.
- Poids quantifiés (Q4_K_M, Q5, IQ3) au lieu de la précision complète, ce qui s’adapte réellement à 8 à 12 Go de RAM.
- Un moyen propre de gérer les modèles téléchargés et de libérer du stockage lorsque l’appareil est plein.
- Un historique de chat qui persiste après le redémarrage de l’application et vous permet de brancher des conversations.
- Accélération GPU ou NPU optionnelle. L’inférence CPU pure fonctionne toujours, mais la différence à 8B paramètres est jour et nuit.
- Fonctionnement totalement hors ligne, sans repli cloud surprenant pour les complétions.
Comparaison rapide
| Application | Meilleur pour | Plan gratuit | Niveau payant | Fonctionnalité remarquable |
|---|---|---|---|---|
| PocketPal AI | La plupart des utilisateurs, dès le premier jour | Application complète | Aucun | Navigateur de modèles Hugging Face intégré |
| MLC Chat | Inférence la plus rapide sur le matériel pris en charge | Application complète | Aucun | Le compilateur MLC exécute les modèles sur GPU |
| ChatterUI | Utilisateurs avancés qui ont déjà leurs fichiers GGUF | Application complète | Aucun | Chargement de fichier local, cartes de personnages |
| Layla | Jeux de rôle et écriture créative | Limité | Licence unique | Fenêtre de contexte longue adaptée au chat |
| Maid | Utilisateurs de llama.cpp qui veulent une interface téléphonique | Application complète | Aucun | Liaisons llama.cpp directes, mode serveur |
| Llama Chat | Application de référence officielle de Meta | Application complète | Aucun | Modèles Llama préconfigurés |
| Petals | Inférence distribuée de modèles énormes | Application complète | Aucun | Exécuter des modèles de classe 70B sur des nœuds bénévoles |
| MNN-LLM | Runtime léger d’Alibaba, appareils d’entrée de gamme | Application complète | Aucun | Binaire minuscule, s’exécute sur des puces de milieu de gamme |
Les 7 meilleures applications LLM local pour Android en 2026
1. PocketPal AI, meilleur dans l’ensemble
PocketPal AI est l’application que la plupart des gens devraient installer en premier. Le navigateur Hugging Face à l’intérieur de l’application vous permet de rechercher et d’extraire des modèles GGUF sans quitter la surface du chat, les présets inclus couvrent les dérivés Llama 3, Phi, Gemma, Qwen et Mistral, et l’interface masque les paramètres d’inférence derrière des valeurs par défaut sensées jusqu’à ce que vous les demandiez. Les compilations récentes ont ajouté le mode benchmarking pour choisir un modèle qui s’exécute à une vitesse utilisable sur votre appareil spécifique.
Où elle est insuffisante : Aucun outil intégré pour les images, les documents ou la voix. Si vous voulez un modèle capable de lire un PDF que vous avez téléchargé, vous faites ce travail en dehors de l’application.
Prix :
- Gratuit, entièrement open source
Plateformes : Android, iOS
Télécharger : Aptoide, Google Play
Conclusion : Installez ceci si vous voulez une IA locale fonctionnelle dès le premier jour sans histoire de configuration.
2. MLC Chat, inférence la plus rapide sur matériel pris en charge
MLC Chat est l’interface de la pile du compilateur MLC, qui réduit les modèles vers le GPU du téléphone via Vulkan ou Metal. Sur Snapdragon 8 Gen 2 et plus récent, la différence par rapport à l’inférence CPU pure est substantielle, en particulier pour les longueurs de contexte plus longues. Le catalogue de modèles est curé et un peu plus étroit que Hugging Face, mais chaque entrée est préconfigurée pour le runtime, donc le téléchargement de première exécution est la seule étape de configuration.
Où elle est insuffisante : La prise en charge de Vulkan varie selon l’appareil. Les puces plus anciennes ou de milieu de gamme ne voient pas l’accélération. L’ajout de modèles personnalisés nécessite une recompilation avec la chaîne d’outils MLC.
Prix :
- Gratuit, open source
Plateformes : Android, iOS, Windows, macOS, Linux
Télécharger : Versions GitHub
Conclusion : Le bon choix si votre téléphone est récent et que vous vous souciez des tokens par seconde.
3. ChatterUI, meilleur pour les utilisateurs avancés avec leurs propres fichiers GGUF
ChatterUI est l’interface pour les gens qui gèrent déjà un dossier de fichiers GGUF et veulent un client téléphonique qui respecte leur flux de travail. L’application charge les modèles à partir du stockage local, supporte les cartes de personnages (compatibles SillyTavern) et vous permet d’ajuster les paramètres d’échantillonnage par modèle. La vue d’historique traite les chats comme des documents, avec options de renommage, archivage et export.
Où elle est insuffisante : L’intégration suppose que vous savez ce qu’est un échantillonneur. Aucun navigateur de modèles intégré. La densité de l’interface est plus élevée que PocketPal.
Prix :
- Gratuit, open source
Plateformes : Android
Télécharger : Versions GitHub
Conclusion : Le client téléphonique à choisir si vous gériez déjà vos propres modèles.
4. Layla, meilleur pour les jeux de rôle et les longs chats
Layla cible l’écriture créative et les jeux de rôle avec une surface de chat adaptée et une tolérance au contexte long. Le niveau premium déverrouille les invites système plus longues, les personnalités persistantes et un catalogue de modèles plus large. La compilation gratuite est suffisante pour évaluer si le flux de travail convient.
Où elle est insuffisante : Source fermée. L’accent sur la personnalité et l’écriture créative peut ne pas convenir aux utilisateurs qui veulent juste un assistant général.
Prix :
- Essai gratuit
- Payant : licence unique
Plateformes : Android, iOS
Télécharger : layla-network.ai
Conclusion : Choisissez ceci quand vous voulez une conversation longue et dirigée par un personnage plutôt qu’un bot Q&A.
5. Maid, llama.cpp sur téléphone
Maid est l’interface Flutter pour les liaisons llama.cpp, avec une petite surface et un mode serveur qui permet au téléphone d’héberger un modèle pour d’autres appareils sur le réseau local. Les paramètres couvrent les options llama.cpp qui importent sur un téléphone (threads, mlock, n_predict) sans déverser tout l’arbre de configuration sur l’utilisateur.
Où elle est insuffisante : Aucun navigateur de modèles. Les mises à jour sont liées au rythme de llama.cpp et cassent parfois d’anciens présets d’échantillonnage.
Prix :
- Gratuit, open source
Plateformes : Android, Windows, Linux
Télécharger : Versions GitHub
Conclusion : Un bon choix si llama.cpp est déjà votre runtime de référence sur le bureau.
6. Llama Chat, application de référence officielle de Meta pour Android
Llama Chat est le propre client de démonstration de Meta pour exécuter les modèles Llama sur appareil. L’application est préconfigurée pour les variantes plus petites de Llama 3.2 et existe principalement pour montrer ce que la plateforme peut faire, mais c’est aussi un client quotidien tout à fait utilisable si vous voulez une option sans tracas du fournisseur.
Où elle est insuffisante : Le catalogue est limité à la ligne de modèles de Meta. Moins de flexibilité que les applications communautaires lorsque vous voulez essayer des modèles non-Llama.
Prix :
- Gratuit
Plateformes : Android, iOS
Télécharger : Google Play
Conclusion : Un choix sûr par défaut si vous faites confiance au fournisseur et que vous voulez juste Llama 3 sur le téléphone.
7. MNN-LLM, plus petite empreinte pour appareils de milieu de gamme
MNN-LLM est le runtime d’inférence léger d’Alibaba pour les téléphones de milieu et bas de gamme où la pression mémoire rend d’autres applications saccadées. Le binaire est petit, le chargement du modèle est rapide et la liste des modèles supportés est courte mais bien sélectionnée, incluant des variantes Qwen quantifiées accordées pour le runtime.
Où elle est insuffisante : La documentation est orientée en premier vers le chinois. L’interface est utilitaire. Le catalogue ne correspond pas à Hugging Face.
Prix :
- Gratuit, open source
Plateformes : Android, iOS
Télécharger : Versions GitHub
Conclusion : Le choix quand votre téléphone a 4 à 6 Go de RAM et que d’autres applications éjectent les modèles.
8. Petals, inférence distribuée pour les énormes modèles
Petals échange complètement la contrainte sur l’appareil. L’application se connecte à un essaim de nœuds hébergés par des bénévoles qui exécutent chacun une tranche d’un modèle de classe 70B, votre téléphone agissant comme un client à la périphérie du réseau. La confidentialité n’est pas équivalente à une exécution entièrement locale, car les invites sont fragmentées entre les nœuds, mais le compromis vous donne accès à des tailles de modèle qu’un téléphone ne peut pas héberger seul.
Où elle est insuffisante : Dépendance au réseau, avec une qualité variable selon la charge de l’essaim. Le modèle de confidentialité doit être compris avant de partager des invites sensibles.
Prix :
- Gratuit, open source
Plateformes : Android, iOS, Web
Télécharger : petals.dev
Conclusion : Utilisez-le quand le seul modèle qui correspond à la tâche est trop volumineux pour qu’un téléphone l’héberge.
Comment choisir le bon
- Si vous voulez une IA locale fonctionnelle en cinq minutes : PocketPal AI.
- Si vous avez un Snapdragon récent et que vous vous souciez de la vitesse : MLC Chat.
- Si vous curatiez déjà votre propre bibliothèque GGUF : ChatterUI.
- Si vous écrivez de la fiction ou exécutez de longs chats dirigés par des personnages : Layla.
- Si llama.cpp est votre runtime de référence : Maid.
- Si vous faites confiance au fournisseur et que vous voulez Llama 3 sur le téléphone sans configuration : Llama Chat.
- Si votre téléphone est de milieu de gamme et que d’autres applications sont saccadées : MNN-LLM.
- Si vous avez besoin d’un modèle 70B : Petals.
FAQ
Puis-je vraiment exécuter un LLM localement sur un téléphone Android ?
Oui. Les modèles quantifiés 3B à 8B s’exécutent sur la plupart des téléphones phares lancés depuis 2023 à des vitesses utilisables (5 à 15 tokens par seconde). Les applications de cette liste gèrent le travail du runtime ; vous ne choisissez que le modèle. Les téléphones de milieu de gamme avec 6 Go de RAM sont limités aux modèles de classe 3B mais obtiennent toujours un assistant fonctionnel.
Quelle est la meilleure application LLM local gratuite pour Android ?
PocketPal AI est l’option gratuite la plus facile pour la plupart des gens. ChatterUI et MLC Chat sont également entièrement gratuits et open source ; choisissez-les si vous voulez des contrôles utilisateur avancés ou une vitesse d’inférence maximale respectivement.
L’exécution d’un LLM va-t-elle vider ma batterie ?
Oui. L’inférence est intensif en CPU et GPU, et une longue session réchauffe l’appareil. Les invites de quelques centaines de tokens vont bien ; la génération soutenue de pages de texte raccourcit notablement la durée de vie de la batterie. Branchez-vous pour les longues sessions.
Combien de stockage les modèles LLM locaux nécessitent-ils ?
Les modèles quantifiés 3B représentent environ 1,5 à 2 Go. Les modèles quantifiés 7B et 8B représentent 4 à 6 Go. Prévoyez 10 à 20 Go de stockage libre si vous voulez garder quelques modèles sur l’appareil.
Les applications LLM local sont-elles privées ?
Les applications sur appareil de cette liste n’envoient pas d’invites à un serveur par défaut. Petals est l’exception ; il fragmente les invites entre les nœuds bénévoles. Lisez les notes de confidentialité de chaque application avant de la traiter comme entièrement privée.